字符集探测
![本页使用了标题或全文手工转换](http://images.weserv.nl/?url=//upload.wikimedia.org/wikipedia/commons/thumb/c/cd/Zh_conversion_icon_m.svg/35px-Zh_conversion_icon_m.svg.png)
![]() | 此條目需要精通或熟悉计算机科学的编者参与及协助编辑。 (2010年10月16日) |
字符编码探测、字符集探测又稱為代码页检测是個启发式猜测代表文字的一系列字节的字符编码。其算法通常依据对字节样式的统计分析。这并不是一个万无一失的方法因为它依赖于统计数据——比如有些Windows版本会误把ASCII编码的"Bush hid the facts"当作中文UTF-16LE。
为数不多的能可靠探测的情况之一是探测UTF-8。这是因为UTF-8中有大量的无效字节序列,所以当其他编码方式使用字节中的高位bit时极不可能通过UTF-8有效性测试。不幸的是不完善的字符集探测程序不优先进行可靠的UTF-8测试于是把UTF-8定为其他编码。
其它的編碼識別方式
由於字符集探测的不可靠,所以通常是用屬性標籤去註明是用何種編碼。[1]
- 在HTML的
<head></head>
區塊裡
例如在HTML文件中使用一個meta
element去標示出編碼種類:
在HTML5使用
<meta charset="utf-8" />
相當於HTML4使用
<meta http-equiv="Content-Type" content="text/html;charset=utf-8" />
也可以在HTTP傳輸文件時,在HTTP檔頭裡使用Content-type通知給瀏覽器知道使用何種編碼,以使瀏覽器能正確的顯示出內容。[2]
- 在asp輸出頁面前使用
Response.Charset="utf-8"
相當於使用
Response.AddHeader "Content-Type", "text/html;charset=utf-8"
- 在JSP輸出頁面前使用
<%@ page contentType="text/html; charset=utf-8" %>
- 在PHP輸出頁面前使用
header('Content-type: text/html; charset=utf-8');
參考資料
- ^ Declaring character encodings in HTML (页面存档备份,存于互联网档案馆) - W3C
- ^ Setting the HTTP charset parameter (页面存档备份,存于互联网档案馆) - W3C
相關
- Unicode国际化组件 - A library that can perform charset detection.
外部連結
- Frequency distributions of English trigraphs (页面存档备份,存于互联网档案馆)
- IMultiLanguage2::DetectInputCodepage
- API reference for ICU charset detection
- Mozilla Charset Detectors
- Java port of Mozilla Charset Detectors
|